Einführung in Evolutionäre Algorithmen

Abstract

Evolutionäre Algorithmen zählen zu den bekanntesten, neuesten Entwicklungen auf dem Gebiet der „naturanalogen“ (nach Vorbild der Natur arbeitenden) Optimierungsprozessen. Solche Methoden zur Problembewältigung haben in jüngster Zeit immer mehr an Bedeutung gewonnen. Die EA orientieren sich hierbei am Vorbild der natürlichen Evolution und deren Prozesse. Die Vielfalt und Komplexität der Lebensformen kann durch wenige Mechanismen, die in einer Population wirken, erklärt werden: • Fortpflanzung • Weitergabe von Erbinformationen Im Zuge der Fortpflanzung können Mutationen oder Rekombinationen dazu führen, dass Erbinformationen verändert oder vermischt werden. Durch diesen Prozess entstehen unterschiedlich konkurrenzfähige Nachkommen. Diese stehen wiederum im Wettbewerb um Fortpflanzung und Überleben. Durch die „natürliche Auslese“ setzen sich in der Folge diejenigen Individuen eher durch, die unter den aktuell gegebenen Bedingungen besser angepasst sind und geben diese Erbinformationen dann im Zuge der Fortpflanzung wieder weiter. Die Evolutionstheorie geht in der Bedeutung jedoch weit über die Biologie hinaus. Inzwischen hat man sogar begonnen, sich die Mechanismen der Evolution auch im Bereich der praktischen Optimierung nutzbar zu machen. Solche Optimierungsmethoden werden als Evolutionäre Algorithmen (EA) bezeichnet. Oft verwendet man auch den Begriff „Evolutionary Computation“. Bezüge bestehen zur „Künstlichen Intelligenz“ und zu „Artificial Life“. EA bilden mit künstlichen „neuronalen Netzen“ und der „Fuzzy Set Theorie“ den Kern des „Soft Computing“.